| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究工作 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 相关技术 | 第14-20页 |
| 2.1 聚类算法 | 第14-16页 |
| 2.1.1 K-means聚类 | 第14-15页 |
| 2.1.2 Hierarchical聚类 | 第15-16页 |
| 2.2 支持向量机 | 第16页 |
| 2.3 分布式服务框架 | 第16-18页 |
| 2.4 设计模式 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 用电负荷数据特性与关联因素研究 | 第20-29页 |
| 3.1 周期性 | 第20-21页 |
| 3.2 季节性 | 第21-22页 |
| 3.3 天气敏感性 | 第22-24页 |
| 3.4 行业差异性 | 第24-27页 |
| 3.4.1 大工业用电 | 第24-25页 |
| 3.4.2 商业用电 | 第25-26页 |
| 3.4.3 农业用电 | 第26-27页 |
| 3.5 本章小结 | 第27-29页 |
| 第四章 基于聚类的用电模式提取方法 | 第29-45页 |
| 4.1 电力负荷曲线聚类问题 | 第29-30页 |
| 4.2 基于负荷趋势变化点的加权皮尔逊相似性度量算法 | 第30-34页 |
| 4.2.1 负荷趋势变化点的相关定义 | 第30-32页 |
| 4.2.2 权值矩阵生成算法 | 第32-33页 |
| 4.2.3 加权皮尔逊距离 | 第33-34页 |
| 4.3 实验及结果分析 | 第34-44页 |
| 4.3.1 实验数据情况 | 第34-35页 |
| 4.3.2 实验方法 | 第35页 |
| 4.3.3 实验结果分析 | 第35-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于用电模式提取的居民生活与行业用电行为研究 | 第45-58页 |
| 5.1 居民生活用电行为分析及短期负荷预测 | 第45-52页 |
| 5.1.1 方案设计 | 第46-47页 |
| 5.1.2 算例分析 | 第47-52页 |
| 5.2 行业用户分类及群体行为分析 | 第52-57页 |
| 5.2.1 方案设计 | 第52-53页 |
| 5.2.2 行业算例分析 | 第53-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 负荷预测辅助决策系统的设计与实现 | 第58-83页 |
| 6.1 需求分析 | 第58-61页 |
| 6.1.1 应用场景及使用流程 | 第58-59页 |
| 6.1.2 功能需求 | 第59-61页 |
| 6.1.3 非功能需求 | 第61页 |
| 6.2 系统功能及逻辑架构设计 | 第61-68页 |
| 6.2.1 系统逻辑架构设计 | 第61-63页 |
| 6.2.2 系统功能架构设计 | 第63-64页 |
| 6.2.3 数据结构设计 | 第64-65页 |
| 6.2.4 接口设计 | 第65-68页 |
| 6.3 系统关键实现 | 第68-75页 |
| 6.3.1 策略模式与简单工厂模式 | 第68-69页 |
| 6.3.2 单例模式 | 第69-71页 |
| 6.3.3 Hierarchical聚类算法 | 第71-73页 |
| 6.3.4 表示层实现 | 第73-75页 |
| 6.4 负荷预测辅助决策系统测试 | 第75-82页 |
| 6.4.1 测试环境 | 第75-76页 |
| 6.4.2 功能测试 | 第76-81页 |
| 6.4.3 非功能测试 | 第81-82页 |
| 6.5 本章小结 | 第82-83页 |
| 第七章 结论与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间发表的学术论文 | 第90页 |